AI時代的數據中心液冷技術

什么是數據中心的液冷？

液冷是一種高效的方法，它利用液體，而非空氣，來帶走服務器、AI加速器及高密度IT設備產生的熱量。由于液體散熱效率遠高于空氣，因此它支持 AI 數據中心的冷卻、更高的機架密度、更優的能效，以及更可持續的高性能計算環境。

相關見解：

了解液冷技術為何正成為高密度人工智能數據中心的必備之選

為什么液冷技術對基于人工智能和GPU的數據中心如此重要？

人工智能、GPU 和加速計算集群會產生極高的熱量，而傳統的空氣冷卻方式無法在大規模環境下有效應對。液冷技術能夠實現精準的芯片級散熱，有效防止 GPU 降頻，并在高密度 AI 機架及新一代計算架構中保持穩定的性能表現。

相關見解：

了解液冷技術如何逐漸成為人工智能工廠和高密度數據中心的關鍵推動力

人工智能數據中心主要采用哪些液冷技術？

數據中心正越來越多地采用液冷技術，以支持人工智能、高性能計算和高密度計算。主要有兩種技術：

-芯片直冷（DTC）液冷，也稱為直接液冷（DLC）。該方法利用冷板將冷卻液直接循環至CPU、GPU和加速器上。它具有極高的熱效率，現已成為既有數據中心和新建數據中心部署的首選方案。

-浸沒式冷卻. 服務器浸沒在介電液體中，從而能夠均勻散熱，且對氣流的依賴程度極低。該方案僅在以下情況下被有選擇地采用：即其獨特的性能或操作優勢能夠抵消設計上的取舍。

隨著芯片熱負載的增加，冷板設計不斷取得進展，單相DTC散熱技術已成為新增液冷產能的主流。預計一旦芯片的TDP超過單相供電的限制，雙相DTC技術的采用率將會增長，但目前仍主要集中在試點階段。浸沒式冷卻技術在特定的高密度環境中持續得到推廣。

相關見解：

-直接芯片散熱作為頂級人工智能散熱系統的崛起

-借助直連芯片液冷技術，重新構想面向人工智能的數據中心冷卻方案

在什么機架密度下，風冷對 AI 工作負載將不再有效？

當機架密度超過 80–100 kW 時，空氣冷卻便難以滿足需求，而這種密度在現代以 GPU 為核心的計算和人工智能訓練環境中十分常見。在這些功耗水平下，氣冷無法高效散熱，因此液冷AI散熱系統成為實現穩定、高性能計算的首選方案。

相關見解：

如何優化 NVIDIA AI 服務器的空氣冷卻方案

現有的風冷數據中心能否改裝為液冷系統？

可以。大多數風冷設施均可通過液冷解決方案進行升級，例如直通芯片循環系統、后門換熱器（RDHx）、散熱單元（HDU）、冷卻液分配單元（CDU）以及混合式 AI 冷卻架構，從而支持高密度 AI 機架，而無需對數據中心進行全面改造。

相關見解：

-為何在高密度環境下液冷參考設計至關重要

-利用 RDHx 液冷技術升級傳統數據中心，以支持人工智能工作負載

液冷技術如何提升人工智能數據中心的能效和可持續性？

直接芯片液冷技術可將能耗降低30%至60%，提升傳熱性能，并減少對機械冷卻系統的依賴。這有助于降低PUE值、減少運營排放，并支持可持續的人工智能基礎設施建設，與長期脫碳和能效目標相契合。

相關見解：

CDU 如何提升數據中心的能效

液冷技術能否實現規模化，以支持下一代人工智能工廠和數兆瓦級部署？

可以。現代液冷系統——包括可擴展的冷卻單元（CDU）、端到端液體回路、支持浸沒式冷卻的設計以及芯片到機架架構——其規模可從單個機架擴展至數兆瓦級的人工智能工廠。這使得液冷技術成為下一代人工智能、高性能計算和超大規模部署的基礎。

相關見解：

從高性能計算（HPC）到人工智能工廠的液冷技術啟示：如何構建新一代人工智能數據中心